في العمليات الصناعية للتصنيع، تحدث الأخطاء غالبًا في أوقات غير متوقعة وبنماذج غير معروفة. نعالج مشكلة الكشف التلقائي عن العيوب دون الحاجة إلى أي عينات صور للقطع المعيبة. اعتمدت الدراسات الحديثة على نمذجة توزيع بيانات الصور الخالية من العيوب باستخدام افتراضات إحصائية قوية أو تمثيلات بيانات مبسطة جدًا. على العكس، يتعامل نهجنا مع تمثيلات دقيقة تدمج السياق العام والمحلي للصورة، مع تقدير مرنة لكثافة التوزيع. ولتحقيق ذلك، نقترح تدفقًا تطبيعًا كاملاً بالتوافقيات على مقياسين (CS-Flow) جديدًا، الذي يعالج بشكل مشترك خرائط ميزات متعددة بمقاييس مختلفة. وباستخدام تدفقات التطبيع لتعيين احتمالات ذات معنى للعينات المدخلة، يُمكّن الكشف الفعّال عن العيوب على مستوى الصورة. علاوةً على ذلك، وبسبب الحفاظ على الترتيب المكاني في الفضاء الخفي لتدفق التطبيع، يصبح هذا الفضاء قابلاً للتفسير، مما يتيح تحديد مناطق العيب في الصورة. ويُعد عملنا الأفضل على مستوى الحالة الحالية في الكشف عن العيوب على مستوى الصورة على مجموعتي بيانات معياريتين، وهما "عيوب البلاط المغناطيسي" (Magnetic Tile Defects) و"مفيتك آي دي" (MVTec AD)، حيث حقق 100% في مؤشر AUROC على أربع من أصل 15 فئة.